Große Auswahl an günstigen Büchern
Schnelle Lieferung per Post und DHL

Machine Learning mit Python und Keras, TensorFlow 2 und Scikit-learn

Über Machine Learning mit Python und Keras, TensorFlow 2 und Scikit-learn

Datenanalyse mit ausgereiften statistischen Modellen des Machine Learnings Anwendung der wichtigsten Algorithmen und Python-Bibliotheken wie NumPy, SciPy, Scikit-learn, Keras, TensorFlow 2, Pandas und Matplotlib Best Practices zur Optimierung Ihrer Machine-Learning-Algorithmen Mit diesem Buch erhalten Sie eine umfassende Einführung in die Grundlagen und den effektiven Einsatz von Machine-Learning- und Deep-Learning-Algorithmen und wenden diese anhand zahlreicher Beispiele praktisch an. Dafür setzen Sie ein breites Spektrum leistungsfähiger Python-Bibliotheken ein, insbesondere Keras, TensorFlow 2 und Scikit-learn. Auch die für die praktische Anwendung unverzichtbaren mathematischen Konzepte werden verständlich und anhand zahlreicher Diagramme anschaulich erläutert. Die dritte Auflage dieses Buchs wurde für TensorFlow 2 komplett aktualisiert und berücksichtigt die jüngsten Entwicklungen und Technologien, die für Machine Learning, Neuronale Netze und Deep Learning wichtig sind. Dazu zählen insbesondere die neuen Features der Keras-API, das Synthetisieren neuer Daten mit Generative Adversarial Networks (GANs) sowie die Entscheidungsfindung per Reinforcement Learning. Ein sicherer Umgang mit Python wird vorausgesetzt. Aus dem Inhalt: Trainieren von Lernalgorithmen und Implementierung in Python Gängige Klassifikationsalgorithmen wie Support Vector Machines (SVM), Entscheidungsbäume und Random Forest Natural Language Processing zur Klassifizierung von Filmbewertungen Clusteranalyse zum Auffinden verborgener Muster und Strukturen in Ihren Daten Deep-Learning-Verfahren für die Bilderkennung Datenkomprimierung durch Dimensionsreduktion Training Neuronaler Netze und GANs mit TensorFlow 2 Kombination verschiedener Modelle für das Ensemble Learning Einbettung von Machine-Learning-Modellen in Webanwendungen Stimmungsanalyse in Social Networks Modellierung sequenzieller Daten durch rekurrente Neuronale Netze Reinforcement Learning und Implementierung von Q-Learning-Algorithmen

Mehr anzeigen
  • Sprache:
  • Deutsch
  • ISBN:
  • 9783747502136
  • Einband:
  • Taschenbuch
  • Seitenzahl:
  • 768
  • Veröffentlicht:
  • 12. März 2021
  • Ausgabe:
  • 21003
  • Abmessungen:
  • 168x41x238 mm.
  • Gewicht:
  • 1264 g.
  Versandkostenfrei
  Sofort lieferbar
Verlängerte Rückgabefrist bis 31. Januar 2025
  •  

    Keine Lieferung vor Weihnachten möglich.
    Kaufen Sie jetzt und drucken Sie einen Gutschein aus

Beschreibung von Machine Learning mit Python und Keras, TensorFlow 2 und Scikit-learn

Datenanalyse mit ausgereiften statistischen Modellen des Machine Learnings
Anwendung der wichtigsten Algorithmen und Python-Bibliotheken wie NumPy, SciPy, Scikit-learn, Keras, TensorFlow 2, Pandas und Matplotlib
Best Practices zur Optimierung Ihrer Machine-Learning-Algorithmen
Mit diesem Buch erhalten Sie eine umfassende Einführung in die Grundlagen und den effektiven Einsatz von Machine-Learning- und Deep-Learning-Algorithmen und wenden diese anhand zahlreicher Beispiele praktisch an. Dafür setzen Sie ein breites Spektrum leistungsfähiger Python-Bibliotheken ein, insbesondere Keras, TensorFlow 2 und Scikit-learn. Auch die für die praktische Anwendung unverzichtbaren mathematischen Konzepte werden verständlich und anhand zahlreicher Diagramme anschaulich erläutert.
Die dritte Auflage dieses Buchs wurde für TensorFlow 2 komplett aktualisiert und berücksichtigt die jüngsten Entwicklungen und Technologien, die für Machine Learning, Neuronale Netze und Deep Learning wichtig sind. Dazu zählen insbesondere die neuen Features der Keras-API, das Synthetisieren neuer Daten mit Generative Adversarial Networks (GANs) sowie die Entscheidungsfindung per Reinforcement Learning.
Ein sicherer Umgang mit Python wird vorausgesetzt.
Aus dem Inhalt:
Trainieren von Lernalgorithmen und Implementierung in Python
Gängige Klassifikationsalgorithmen wie Support Vector Machines (SVM), Entscheidungsbäume und Random Forest
Natural Language Processing zur Klassifizierung von Filmbewertungen
Clusteranalyse zum Auffinden verborgener Muster und Strukturen in Ihren Daten
Deep-Learning-Verfahren für die Bilderkennung
Datenkomprimierung durch Dimensionsreduktion
Training Neuronaler Netze und GANs mit TensorFlow 2
Kombination verschiedener Modelle für das Ensemble Learning
Einbettung von Machine-Learning-Modellen in Webanwendungen
Stimmungsanalyse in Social Networks
Modellierung sequenzieller Daten durch rekurrente Neuronale Netze
Reinforcement Learning und Implementierung von Q-Learning-Algorithmen

Kund*innenbewertungen von Machine Learning mit Python und Keras, TensorFlow 2 und Scikit-learn



Ähnliche Bücher finden
Das Buch Machine Learning mit Python und Keras, TensorFlow 2 und Scikit-learn ist in den folgenden Kategorien erhältlich:

Willkommen bei den Tales Buchfreunden und -freundinnen

Jetzt zum Newsletter anmelden und tolle Angebote und Anregungen für Ihre nächste Lektüre erhalten.